Nova neuralna mreža pristup je uspješno dizajnirala bežične čipove koji nadmašuju trenutne standarde. Korištenjem konvolucione neuralne mreže (CNN), ovaj proces analizira željene karakteristike čipa i radi unazad kako bi stvorio optimalne dizajne. Iako se mnogo toga u raspravama o AI može prenaglašavati, ovo istraživanje je recenzirano i javno dostupno u uglednom časopisu. Računarski čipovi igraju ključnu ulogu u modernom životu, napajajući sve, od vozila do pametnih telefona i praćenja životinja. Potražnja za inovativnim dizajnom čipova dovela je do trenda korištenja AI tehnologije za poboljšanje efikasnosti. Istraživači, predvođeni elektroinženjerom Kaushikom Senguptom s Princeton univerziteta, pokazuju kako AI može dizajnirati i testirati nove računarske čipove, naglašavajući da imaju za cilj dopuniti—ne zamijeniti—ljudsku kreativnost. Sengupta, koji je nedavno dobio IEEE stipendiju za svoje istraživanje bežičnih čipova, dijeli ovaj revolucionarni rad u multidisciplinarnom časopisu Nature Communications umjesto da ga zadrži unutar privatnog startupa.

Međutim, istraživački tim priznaje značajne limite u dizajnu AI-a, ističući da ljudski inženjeri možda nikada neće u potpunosti razumjeti složenost dizajna čipova generisanog AI-om, što može otežati njihovo razumijevanje ili popravak. Usvajanjem filozofije obrnute dizajniranja, istraživači počinju s detaljnim karakteristikama i željenim ishodima, omogućavajući AI-u da istražuje nekonvencionalne konfiguracije koje ljudski inženjeri možda previdjaju. Korištenjem CNN-ova, tim može brzo generirati inovativne dizajnerske paradigme koje mogu inspirisati dalju ljudsku kreativnost. Sengupta objašnjava da tradicionalni procesi dizajniranja uključuju metodično sastavljanje sklopova korak po korak, dok AI-ov pristup omogućava haotičniji i preklapajući proces dizajniranja, predstavljajući širi spektar mogućnosti. Iako AI može nadmašiti ljude u određenim zadacima, takođe može generirati nevjerovatne rezultate koji zahtijevaju ljudsku intervenciju. Senguptin krajnji cilj je povećati ljudsku produktivnost umjesto da zamijeni dizajnere, omogućavajući im da se fokusiraju na inovativne ideje dok se AI bavi rutinskim zadacima. Spajajući ljudski uvid s mogućnostima AI-a, potencijal za proboje u dizajnu čipova je ogroman, osiguravajući da tehnologije koje nastaju budu i nove i dostupne za buduće nadogradnje ili popravke.